ICML 2026：扩散语言模型自感知调度推理方法SAS
furongh · x · 2026-07-06
研究者在ICML 2026发表论文，提出Self-Aware Scheduling（SAS）方法，针对扩散语言模型的推理优化。核心问题是：与其让模型「思考更长」，不如让模型知道「先确定哪个token」。
SAS通过在扩散LM中引入自感知调度机制，使模型能动态决定token生成顺序，从而提升推理质量。这一方向不同于主流的CoT/长思维链路线，为LLM推理提供了一种扩散模型视角的新解法。
所属事件:ICML 2026论文SAS:优化扩散语言模型的思维调度(15 条相关)→
「研究」频道最新
- Smarter Every Day 博主 Destin 将答辩冲击聚变博士论文 — CatAstro_Piyush · 2026-10-18
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- 数学预印本新仓库 Hexagon 上线，收录 arXiv 不收的研究成果 — tak3sh8 · 2026-10-18
- Periodic 创始人 CoLM 演讲：自训模型终将跨越前沿模型拐点 — heghbalz · 2026-10-18
- PNAS 论文:生物突触可自组装出逼近梯度下降的学习规则 — xuanalogue · 2026-10-18
- SGPnP 论文获 IEEE 接收：扩散模型直插 PnP 重建框架 — prof_kamilov · 2026-10-18